CN112783155A - 安全冗余自主驾驶***的实时监控方法 - Google Patents
安全冗余自主驾驶***的实时监控方法 Download PDFInfo
- Publication number
- CN112783155A CN112783155A CN202011563110.0A CN202011563110A CN112783155A CN 112783155 A CN112783155 A CN 112783155A CN 202011563110 A CN202011563110 A CN 202011563110A CN 112783155 A CN112783155 A CN 112783155A
- Authority
- CN
- China
- Prior art keywords
- sensor
- adv
- obstacle
- zone
- coverage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000012544 monitoring process Methods 0.000 title abstract description 24
- 230000033001 locomotion Effects 0.000 claims description 36
- 238000012545 processing Methods 0.000 claims description 31
- 230000004044 response Effects 0.000 claims description 10
- 230000015654 memory Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 21
- 230000008569 process Effects 0.000 description 18
- 230000008447 perception Effects 0.000 description 17
- 238000004891 communication Methods 0.000 description 13
- 230000004927 fusion Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000001133 acceleration Effects 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- IPEHBUMCGVEMRF-UHFFFAOYSA-N pyrazinecarboxamide Chemical compound NC(=O)C1=CN=CC=N1 IPEHBUMCGVEMRF-UHFFFAOYSA-N 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000002379 ultrasonic velocimetry Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000029305 taxis Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0234—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons
- G05D1/0236—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using optical markers or beacons in combination with a laser
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/023—Avoiding failures by using redundant parts
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/04—Monitoring the functioning of the control system
- B60W50/045—Monitoring control system parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0015—Planning or execution of driving tasks specially adapted for safety
- B60W60/0018—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions
- B60W60/00186—Planning or execution of driving tasks specially adapted for safety by employing degraded modes, e.g. reducing speed, in response to suboptimal conditions related to the vehicle
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0025—Planning or execution of driving tasks specially adapted for specific operations
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
- B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0223—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving speed control of the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
- G05D1/024—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors in combination with a laser
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0242—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using non-visible light signals, e.g. IR or UV signals
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
- G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/02—Control of position or course in two dimensions
- G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
- G05D1/0276—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle
- G05D1/0278—Control of position or course in two dimensions specially adapted to land vehicles using signals provided by a source external to the vehicle using satellite positioning signals, e.g. GPS
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
- B60W50/02—Ensuring safety in case of control system failures, e.g. by diagnosing, circumventing or fixing failures
- B60W50/0205—Diagnosing or detecting failures; Failure detection models
- B60W2050/0215—Sensor drifts or sensor failures
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/403—Image sensing, e.g. optical camera
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2520/00—Input parameters relating to overall vehicle dynamics
- B60W2520/10—Longitudinal speed
- B60W2520/105—Longitudinal acceleration
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/35—Data fusion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/40—High definition maps
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
- G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Aviation & Aerospace Engineering (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Electromagnetism (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Traffic Control Systems (AREA)
Abstract
本公开提供一种安全冗余自主驾驶***的实时监控方法。在一个实施例中,用于实时监控在预定风险可容忍边界内操作的安全冗余自主驾驶***的方法包括基于与安装在ADV上的每个传感器相关联的传感器故障风险评分来计算每个预定区域的区域故障风险评分。基于传感器的传感器布局来定义预定区域。基于与每个预定区域关联的区域故障风险评分,确定ADV的传感器能力覆盖范围。基于与ADV的当前位置相关联的地图数据,基于传感器能力覆盖范围来确定ADV的可驾驶区域。基于可驾驶区域规划轨迹,以自主驾驶ADV导航通过ADV周围的驾驶环境。
Description
技术领域
本公开的实施例一般涉及操作自主车辆。更特别地,本公开的实施例涉及对安全冗余自主驾驶***(autonomous driving system,ADS)的实时监控。
背景技术
以自主模式(例如,无人驾驶)操作的车辆可以减轻乘坐者,尤其是驾驶员的一些驾驶相关责任。当以自主模式操作时,车辆可以使用车载传感器导航到各种位置,从而允许车辆以最小的人机交互或者在没有任何乘客的一些情况下行驶。
随着自主驾驶***变得越来越普遍,预计在未来的三到五年中,自主驾驶车辆(autonomous driving vehicle,ADV)的地理围栏应用,即大规模的自动驾驶出租车将会出现。
然而,在可以安全地部署ADV之前,关键挑战仍然有待解决。面临的关键挑战包括:(1)实时确定能力边界,相关联的安全冗余自主***的风险在限定的操作设计域(operational design domain,ODD)中;(2)实时监控自主车辆以预定的可容忍风险在其能力边界内操作;(3)赋予安全冗余自主***实时最小风险条件(minimum risk condition,MRC)决策能力和相应的用于内部转换的安全机制。注意的是,关键挑战是相互依存的,以确保整体自主车辆安全性。本公开针对实时监控在其能力边界内操作的安全冗余自主驾驶***(ADS)。
当前用于级别4自主车辆的工业方法集中于利用冗余和多样化的传感器、硬件和算法来提高性能,但是关于实时监控ADS能力边界和传感器覆盖范围内的风险分布的报道很少。
级别4车辆“被设计为执行所有对安全性至关重要的驾驶功能并在整个行程中监控道路状况。”但是,需要注意的是,这仅限于车辆的“操作设计域(ODD)”,这意味着它不涵盖ODD以外的驾驶场景和在ODD内操作的级别4车辆有明确边界且可忍受时的风险暴露。
发明内容
在第一方面中,提供一种用于操作自主驾驶车辆(ADV)的方法,所述方法包括:
基于与安装在ADV上的多个传感器中的每个传感器相关联的传感器故障风险评分,为多个预定区域中的每个计算区域故障风险评分,所述多个预定区域是基于传感器的传感器布局定义的;
基于与多个预定区域中的每个相关联的区域故障风险评分,确定ADV的传感器能力覆盖范围;
根据与所述ADV的当前位置相关联的地图数据,基于所述传感器能力覆盖范围确定所述ADV的可驾驶区域;以及
根据可驾驶区域规划轨迹,以自主驾驶ADV导航通过ADV周围的驾驶环境。
在第二方面中,提供一种具有存储在其中的指令的非暂时性机器可读介质,所述指令在由处理器执行时使处理器执行如第一方面所述的方法。
在第三方面中,提供一种数据处理***,包括:
处理器;以及
与处理器耦接的存储器,用于存储指令,所述指令在由处理器执行时使处理器执行如第一方面所述的方法。
在第四方面中,提供一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如第一方面所述的方法。
根据本公开,可以更好地规划ADV的轨迹,避免各种风险。
附图说明
本公开的实施例通过示例的方式示出并且不限于附图中的图,在附图中相同的附图标记表示相似的元件。
图1是示出根据一个实施例的联网***的框图。
图2是示出根据一个实施例的自主车辆的示例的框图。
图3A-3B是示出根据一个实施例的与自主车辆一起使用的感知和规划***的示例的框图。
图4是示出根据一个实施例的与自主车辆一起使用的安全冗余监控模块的示例的框图。
图5是示出根据本发明的一个实施例的自主驾驶***(ADS)能力边界和风险贡献者的示例的框图。
图6是示出根据本发明的一个实施例的安全冗余自主驾驶***(ADS)的示例的框图。
图7是示出根据一个实施例的自主驾驶车辆的传感器布局的示例的示意图。
图8A是示出根据一个实施例的具有图7所示的自主驾驶***的传感器布局的标称风险分布的传感器覆盖范围的示例的示意图。
图8B是示出根据实施例的围绕ADV的传感器覆盖范围边界的示例的示意图。
图8C是示出根据一个实施例的具有图7所示的自主驾驶***的传感器布局的调整后的风险分布的传感器覆盖范围的示例的示意图。
图9是示出根据一个实施例的传感器***监控功能的示例的框图。
图10是示出根据本发明的一个实施例的操作自主车辆的过程的流程图。
图11是根据本发明的一个实施例的实时监控在其定义的风险可容忍边界内操作的安全冗余自主驾驶***(ADS)的流程图。
具体实施方式
将参考以下讨论的细节描述本公开的各个实施例和方面,并且附图将示出各个实施例。以下描述和附图是本公开的说明并且不应被解释为限制本公开。描述了许多具体细节以提供对本公开的各个实施例的全面理解。然而,在某些情况下,为了提供对本公开的实施例的简要讨论,没有描述公知或常规的细节。
说明书中对“一个实施例”或“实施例”的引用意味着结合该实施例描述的特定特征、结构或特性可包括在本公开的至少一个实施例中。在说明书中的各个地方出现的短语“在一个实施例中”不一定都指同一实施例。
根据一些实施例,公开了一种用于实时监控在其预定的风险可容忍边界内操作的安全冗余自主驾驶***的计算机实施的方法。基于传感器故障风险评分来计算每个预定区域的区域故障风险评分。传感器故障风险评分与安装在自主驾驶车辆(ADV)上的每个传感器相关。基于传感器的传感器布局定义预定区域。然后基于与每个区域关联的区域故障风险评分,确定ADV的传感器能力覆盖范围。根据与ADV的当前位置相关联的地图数据,基于传感器能力覆盖范围来确定ADV的可驾驶区域。此后,基于可驾驶区域规划轨迹以自主驱动ADV导航通过ADV周围的驾驶环境。
在一个实施例中,基于从至少一部分传感器获得的传感器数据来检测障碍物。然后,基于障碍物相对于ADV的当前位置的位置来调整可驾驶区域。在一个实施例中,基于障碍物的位置调整可驾驶区域包括检测障碍物位于可驾驶区域内。基于障碍物的位置调整可驾驶区域还包括确定ADV的最大减速率。此外,基于障碍物的位置调整可驾驶区域包括:根据在可驾驶区域内检测到的障碍物,基于最大减速度来优化可驾驶区域,以避免与障碍物碰撞。
在一个实施例中,检测到障碍物位于可驾驶区域内。然后,预测障碍物的运动轨迹。此后,根据障碍物的预测运动轨迹,对ADV的可驾驶区域进行优化。在一个实施例中,响应于检测到障碍物位于可驾驶区域外,预测障碍物的运动轨迹。在一个实施例中,对于每个预定区域,基于与对应区域相关联的每个传感器的平均故障间隔时间(mean time betweenfailure,MTBF)计算区域故障风险评分。
在一个实施例中,确定预定区域中的第一区域的第一区域故障风险评分超过第一预定风险阈值。然后,响应于确定第一区域故障风险评分超过第一预定风险阈值来修改ADV的传感器能力覆盖范围。在一个实施例中,确定第一传感器不能正常工作。此后,基于故障的第一传感器的传感器覆盖范围来修改ADV的传感器能力覆盖范围。
在本公开的另一方面,本公开的实施例还提供执行如上所述的过程的非暂时性机器可读介质和数据处理***。
图1是示出根据本公开的一个实施例的自主车辆网络配置的框图。参照图1,网络配置100包括可以通过网络102通信耦接到一个或多个服务器103-104的自主车辆101。尽管示出了一个自主车辆,但是多个自主车辆可以彼此耦接和/或通过网络102耦接到服务器103-104。网络102可以是任何类型的有线或无线网络,例如局域网(LAN)、广域网(WAN)(例如Internet)、蜂窝网络、卫星网络或其组合。服务器103-104可以是任何种类的服务器或服务器集群,例如Web或云服务器、应用程序服务器、后端服务器或其组合。服务器103-104可以是数据分析服务器、内容服务器、交通信息服务器、地图和兴趣点(MPOI)服务器或位置服务器等。
自主车辆是指可以配置为处于自主模式的车辆,在自主模式下,车辆在驾驶员很少或没有驾驶的情况下在环境中导航。这种自主车辆可以包括具有一个或多个传感器的传感器***,一个或多个传感器被配置为检测关于车辆在其中运行的环境的信息。车辆及其关联的控制器使用检测到的信息在环境中导航。自主车辆101可以在手动模式、完全自主模式或部分自主模式下操作。
在一个实施例中,自主车辆101包括但不限于感知和规划***110、车辆控制***111、无线通信***112、用户接口***113和传感器***115。自主车辆101还可包括在普通车辆中包括的某些通用部件,例如发动机、车轮、方向盘、变速器等,可以由车辆控制***111和/或感知和规划***110使用各种通信信号和/或命令,例如加速信号或命令、减速信号或命令、转向信号或命令、制动信号或命令等来控制这些部件。
组件110-115可以经由互连、总线、网络或其组合在通信上彼此耦接。例如,组件110-115可以经由控制器局域网(CAN)总线彼此通信耦接。CAN总线是一种车辆总线标准,被设计为允许微控制器和设备在没有主机的应用中相互通信。它是基于消息的协议,最初是为车辆内的多路电气布线而设计的,但也用于许多其他情况。
现在参考图2,在一个实施例中,传感器***115包括但不限于一个或多个相机211、全球定位***(GPS)单元212、惯性测量单元(IMU)213、雷达单元214以及光检测和测距(LIDAR)单元215。GPS***212可以包括收发器,收发器可操作以提供关于自主车辆的位置的信息。IMU单元213可以基于惯性加速度来感测自主车辆的位置和方向改变。雷达单元214可以表示利用无线电信号来感测自主车辆的局部环境内的对象的***。在一些实施例中,除了感测对象之外,雷达单元214还可以感测对象的速度和/或前进方向。LIDAR单元215可以使用激光感测自主车辆所处的环境中的对象。LIDAR单元215可以包括一个或多个激光源、激光扫描仪以及一个或多个检测器以及其他***组件。相机211可以包括一个或多个设备以捕获自主车辆周围的环境的图像。相机211可以是静物照相机和/或摄像机。相机可以是机械可移动的,例如通过将相机安装在旋转和/或倾斜的平台上。
传感器***115还可包括其他传感器,例如,声纳传感器、红外传感器、转向传感器、油门传感器、制动传感器和音频传感器(例如,麦克风)。音频传感器可以被配置为从自主车辆周围的环境捕获声音。转向传感器可以被配置为感测车辆的方向盘、车轮或其组合的转向角。油门传感器和制动传感器分别感测车辆的油门位置和制动位置。在某些情况下,油门传感器和制动传感器可以集成为集成的油门/制动传感器。
在一个实施例中,车辆控制***111包括但不限于转向单元201、油门单元202(也称为加速单元)和制动单元203。转向单元201用于调整车辆的方向或行驶方向。油门单元202用于控制电动机或发动机的速度,进而控制车辆的速度和加速度。制动单元203通过提供摩擦以使车辆的车轮或轮胎减速来使车辆减速。注意,图2中所示的组件可以以硬件、软件或其组合来实现。
再次参考图1,无线通信***112允许自主车辆101与外部***(例如设备、传感器、其他车辆等)之间的通信。例如,无线通信***112可以直接或通过通信网络与一个或多个设备无线通信,例如,通过网络102与服务器103-104通信。无线通信***112可以使用任何蜂窝通信网络或无线局域网(WLAN),例如使用WiFi与另一个组件或***进行通信。无线通信***112可以例如使用红外链路、蓝牙等与设备(例如,乘客的移动设备、显示设备、车辆101中的扬声器)直接通信。用户接口***113可以是在车辆101内实现的***设备的一部分,包括例如键盘、触摸屏显示设备、麦克风和扬声器等。
自主车辆101的某些或全部功能可以由感知和规划***110控制或管理,特别是在以自主驾驶模式操作时。感知和规划***110包括必要的硬件(例如,处理器、内存、存储器)和软件(例如,操作***、规划和路由程序),以从传感器***115、控制***111、无线通信***112和/或用户接口***113接收信息,处理接收到的信息,规划从起点到目的地点的路线或路径,然后基于规划和控制信息驾驶车辆101。可替代地,感知和规划***110可以与车辆控制***111集成。
例如,作为乘客的用户可以例如经由用户接口指定行程的起始位置和目的地。感知和规划***110获得行程相关数据。例如,感知和规划***110可以从MPOI服务器获得位置和路线信息,MPOI服务器可以是服务器103-104的一部分。位置服务器提供位置服务,MPOI服务器提供地图服务和某些位置的POI。可替代地,这样的位置和MPOI信息可以本地缓存在感知和规划***110的永久性存储设备中。
当自主车辆101沿着路线行驶时,感知和规划***110还可以从交通信息***或服务器(TIS)获得实时交通信息。注意,服务器103-104可以由第三方实体操作。可替代地,服务器103-104的功能可以与感知和规划***110集成。基于实时交通信息、MPOI信息和位置信息以及由传感器***检测或感测的实时本地环境数据(例如,障碍物、对象、附近的车辆),感知和规划***110可以规划最佳路线,并例如经由控制***111根据规划的路线驾驶车辆101以安全有效地到达指定目的地。
服务器103可以是用于为各种客户端执行数据分析服务的数据分析***。在一个实施例中,数据分析***103包括数据收集器121和机器学习引擎122。数据收集器121从各种车辆收集驾驶统计数据123,这些车辆是自主车辆或由人类驾驶员驾驶的常规车辆。驾驶统计数据123包括指示所发出的驾驶命令(例如,油门、制动、转向命令)以及由车辆的传感器在不同的时间点捕获的车辆的响应(例如,速度、加速度、减速度、方向)的信息。驾驶统计数据123可以进一步包括描述不同时间点的驾驶环境的信息,例如路线(包括起始位置和目的地位置)、MPOI、天气状况、道路状况等。
基于驾驶统计数据123,机器学习引擎122出于各种目的生成或训练一组规则、算法和/或预测模型124。在一个实施例中,算法124包括确定传感器的MTBF的算法以及确定传感器的风险分布的算法等。然后,算法124可以被上传到ADV上,以在自主驾驶期间被实时利用。
图3A和3B是示出根据一个实施例的与自主车辆一起使用的感知和规划***的示例的框图。***300可以被实现为图1的自主车辆101的一部分,包括但不限于感知和规划***110、控制***111和传感器***115。参照图3A-3B,感知和规划***110包括但不限于定位模块301、感知模块302、预测模块303、决策模块304、规划模块305、控制模块306、路由模块307和安全冗余监控模块308。
模块301-308中的一些或全部可以以软件、硬件或其组合来实现。例如,这些模块可以被安装在永久性存储设备352中、被加载到存储器351中,并且由一个或多个处理器(未示出)执行。注意,这些模块中的一些或全部可以通信耦接到图2的车辆控制***111的一些模块或与之集成。模块301-308中的一些可以被集成在一起,作为集成模块。
定位模块301确定自主车辆300的当前位置(例如,利用GPS单元212),并管理与用户的行程或路线有关的任何数据。定位模块301(也称为地图和路线模块)管理与用户的行程或路线有关的任何数据。用户可以例如通过用户接口登录并指定行程的开始位置和目的地。定位模块301与自主车辆300的其他组件通信,例如与地图和路线信息311通信,以获得与行程相关的数据。例如,定位模块301可以从位置服务器以及地图和POI(MPOI)服务器获得位置和路线信息。位置服务器提供位置服务,MPOI服务器提供地图服务和某些位置的POI,可以将其缓存为地图和路线信息311的一部分。当自主车辆300沿路线行驶时,定位模块301还可从交通信息***或服务器获取实时交通信息。
基于传感器***115提供的传感器数据和定位模块301获得的定位信息,感知模块302确定对周围环境的感知。感知信息可以表示与普通驾驶员在驾驶该车辆时对周围车辆的感知相同的信息。所述感知可包括例如车道配置、交通信号灯、另一车辆的相对位置、行人、建筑物、人行横道或其他与交通有关的标志(例如禁止通行标志、让路标志)等,例如以对象的形式。车道配置包括描述一个或多个车道的信息,例如,车道的形状(例如笔直或弯曲)、车道的宽度、道路中有多少个车道、单向或双向车道、合并或拆分车道以及出口车道等。
感知模块302可以包括计算机视觉***或计算机视觉***的功能,以处理和分析由一个或多个相机捕获的图像,以便识别自主车辆的环境中的对象和/或特征。对象可以包括交通信号、道路边界、其他车辆、行人和/或障碍物等。计算机视觉***可以使用对象识别算法、视频追踪和其他计算机视觉技术。在一些实施例中,计算机视觉***可以绘制环境、追踪对象并估计对象的速度等。感知模块302还可以基于由诸如雷达和/或LIDAR的其他传感器提供的其他传感器数据来检测对象。
对于每个对象,预测模块303预测在当前情况下对象将表现出什么。预测是基于感知数据根据一组地图/路线信息311和交通规则312进行的,感知数据感知在时间点处的驾驶环境。例如,如果对象是在相反方向行驶的车辆且当前驾驶环境包括交叉路口,则预测模块303将预测车辆是否将可能直线行驶或转弯。如果感知数据指示交叉路口没有交通灯,则预测模块303可以预测车辆可能必须在进入交叉路口之前完全停止。如果感知数据指示车辆当前位于仅左转车道或仅右转车道,则预测模块303可分别预测车辆将更可能左转或右转。
对于每个对象,决策模块304做出关于如何处理对象的决策。例如,对于特定对象(例如在十字路口中的另一辆车辆)及其描述对象的元数据(例如速度、方向、转弯角度),决策模块304决定处理如何遇到该对象(例如超车、让路、停止、通过)。决策模块304可以根据可以存储在永久性存储设备352中的一组规则(诸如交通规则或驾驶规则312)做出这样的决策。
路由模块307被配置为提供从起点到目的地的一条或多条路线或路径。对于例如从用户接收到的从起始位置到目的地位置的给定行程,路由模块307获得路线和地图信息311,并确定从起始位置到达目的地位置的所有可能的路线或路径。路由模块307可以针对其确定的从起始位置到达目的地位置的每条路线生成地形图形式的参考线。参考线是指理想的路线或路径,不受其他车辆、障碍物或交通状况等其他因素的干扰。也就是说,如果道路上没有其他车辆、行人或障碍物,则ADV应该准确或紧密地遵循参考线。然后将地形图提供给决策模块304和/或规划模块305。决策模块304和/或规划模块305根据其他模块提供的其他数据,检测所有可能的路线以选择和修改最佳路线中的一个,其他模块提供的其他数据诸如来自定位模块301的交通状况,感知模块302感知的驾驶环境以及预测模块303预测的交通状况。根据时间点处的特定驾驶环境,用于控制ADV的实际路径或路线可以接近或不同于由路由模块307提供的参考线。
基于针对感知到的每个对象的决策,规划模块305利用路由模块307提供的参考线作为基础来规划自主车辆的路径或路线以及驾驶参数(例如距离、速度和/或转弯角度)。也就是说,对于给定的对象,决策模块304决定如何处理对象,而规划模块305确定怎么做。例如,对于给定的对象,决策模块304可以决定通过该对象,而规划模块305可以确定是在对象的左侧还是在右侧通过。规划和控制数据由规划模块305生成,规划和控制数据包括描述车辆300将如何在下一运动周期(例如下一路线/路径段)中移动的信息。例如,规划和控制数据可以指示车辆300以每小时30英里(mph)的速度移动10米,然后以25mph的速度改变到右车道。
基于规划和控制数据,控制模块306根据规划和控制数据所定义的路线或路径,通过向车辆控制***111发送适当的命令或信号来控制和驾驶自主车辆。规划和控制数据包括足够的信息,以便在沿路径或路线的不同时间点使用适当的车辆设置或驾驶参数(例如,油门、制动、转向指令)将车辆从路线或路径的第一点驾驶到第二点。
在一个实施例中,在多个规划周期(也称为驾驶周期)中执行规划阶段,例如在每个100毫秒(ms)的时间间隔中。对于每个规划周期或驾驶周期,将基于规划和控制数据发出一个或多个控制命令。即,对于每100毫秒,规划模块305规划下一路线段或路径段,例如包括目标位置和ADV到达目标位置所需的时间。可替代地,规划模块305可以进一步指定特定的速度、方向和/或转向角等。在一个实施例中,规划模块305规划下一预定时间段(例如5秒)的路线段或路径段。对于每个规划周期,规划模块305基于在先前周期中规划的目标位置来规划当前周期(例如,接下来的5秒)的目标位置。然后,控制模块306基于当前周期的规划和控制数据来生成一个或多个控制命令(例如油门、制动、转向控制命令)。
注意,决策模块304和规划模块305可以被集成为集成模块。决策模块304/规划模块305可以包括导航***或导航***的功能,以确定用于自主车辆的驾驶路径。例如,导航***可以确定一系列速度和前进方向,以在驱使自主车辆沿着通往最终目的地的基于道路的路径前进时,对沿着基本上避开感知到的障碍物的路径移动的自主车辆产生影响。可以根据经由用户接口***113的用户输入来设置目的地。导航***可以在自主车辆运行时动态地更新驾驶路径。导航***可以合并来自GPS***的数据和一个或多个地图,以便确定自主车辆的行驶路径。
在一个实施例中,安全冗余监控模块308(也简称为安全监控模块)被配置为利用主ADS和次ADS,基于传感器能力覆盖范围,根据与ADV的当前位置相关联的地图数据来确定ADV的可驾驶区域。基于传感器动态范围和相关风险分布可以实时调整传感器***能力,以针对任何预定义的可容忍风险划定ADS的安全感知边界。因此,可以减少由于ODD环境变化而导致的传感器性能极限引起的风险。主ADS负责ADV的性能导向点对点路由操作,次ADS着重于***故障操作以在主ADS完全不可用时满足最小风险条件(MRC)。注意,模块308可以与诸如规划模块305和/或控制模块306的另一个模块集成。安全冗余监控模块308的输出可被规划模块305用于基于可驾驶区域规划轨迹,以自主驾驶ADV导航通过ADV周围的驾驶环境。
模块301-308可以统称为ADS。ADV可以配备至少两个ADS***:1)主ADS和2)次ADS或备用ADS,如图6所示。主ADS和次ADS中的每个可以包括模块301-308中的至少一些。主ADS和次ADS可以通过局域网或链路相互通信。
图4是示出根据一个实施例的安全冗余监控模块308的示例的框图。参照图4,在一个实施例中,除了其他之外,安全冗余监控模块308包括故障风险评分模块401和车辆运动边界模块402。在一个实施例中,故障风险评分模块401用于基于与安装在ADV上的每个传感器相关的传感器故障风险评分,计算预定区域中的每个的区域故障风险评分。如图7所示,基于传感器的传感器布局700来定义预定区域。
在一个实施例中,车辆运动边界模块402用于基于与每个区域相关联的区域故障风险评分来确定ADV的传感器能力覆盖范围。车辆运动边界模块402还用于根据与ADV的当前位置相关联的地图数据,基于传感器能力覆盖范围来确定ADV的可驾驶区域。
在一个实施例中,基于从至少一部分传感器获得的传感器数据来检测障碍物。可以使用融合算法检测障碍物,并使用传感器融合模块提供的对象跟踪来跟踪障碍物。在给定的ODD中使用其算法的单个传感器的障碍物检测能力用作得出与单个传感器关联的平均故障间隔时间(MTBF)的统计数据。MTBF中的故障是指假阳性(幽灵障碍物)或假阴性(缺失障碍物),这与物理故障有所区别。之后,车辆运动边界模块402用于基于障碍物相对于ADV的当前位置的位置来调整可驾驶区域。
在一个实施例中,基于障碍物的位置对可驾驶区域的调整包括检测到障碍物位于可驾驶区域内;确定ADV的最大减速度;根据在可驾驶区域内检测到的障碍物,基于最大减速度来优化可驾驶区域,以避免与障碍物碰撞。
在一个实施例中,障碍物覆盖模块403用于检测障碍物位于可驾驶区域内。然后预测障碍物的运动轨迹。车辆运动边界模块402用于基于预测的障碍物的运动轨迹来优化ADV的可驾驶区域。
在一个实施例中,响应于检测到障碍物位于可驾驶区域外,预测障碍物的运动轨迹。在一个实施例中,障碍物的一部分位于可驾驶区域内。在一个实施例中,基于与对应区域相关联的每个传感器的平均故障间隔时间(MTBF)来计算每个区域的区域故障风险评分。
在一个实施例中,确定区域中的第一区域的第一区域故障风险评分超过第一预定风险阈值。此后,响应于确定第一区域故障风险评分超过第一预定风险阈值来修改ADV的传感器能力覆盖范围。在一个实施例中,确定第一传感器不能正常工作。基于故障的第一传感器的传感器覆盖范围,可以修改ADV的传感器能力覆盖范围。
图5是示出根据本发明的一个实施例的自主驾驶***(ADS)能力边界和风险贡献者500的示例的框图。参见图5,影响ADS传感器***能力的关键风险贡献者包括动态覆盖范围和可调整的风险分布。如图5进一步所示,ADS能力501主要由(1)***硬件/软件(HW)/(SW)故障502和(2)ODD内的***性能极限503而贡献。***硬件/软件(HW)/(SW)故障502可以通过ISO 26262–功能安全性504进行适当处理。
在一个实施例中,ODD内的***性能极限503是通过ISO PAS 21448预期功能安全(safety of the intended functionality,SOTIF)505解决的。ISOPAS 21448预期功能安全(SOTIF)505是指不存在由于以下原因而导致的不合理风险:由预期功能的功能不足或人为的可合理预见的误用所造成的危害。ISO PAS 21448预期功能安全(SOTIF)505提供了有关设计、验证和确认措施的指南,可以应用这些措施来实现自主移动产品的SOTIF。
在一个实施例中,将ISO PAS 21448预期功能安全(SOTIF)505分为静态覆盖和风险定义506,以及动态覆盖修改和风险调整507。在一个实施例中,将静态覆盖和风险定义506划分为传感器覆盖和区域定义508和基于MTBF的传感器性能极限引起的风险509。在一个实施例中,动态覆盖修改和风险调整507分为覆盖边界调整510和区域风险调整511。
图6是示出根据本发明的一个实施例的安全冗余自主驾驶***(ADS)的示例的框图。参照图6,安全冗余自主驾驶***平衡了性能导向的主ADS和以安全为重点的次ADS的能力。ADV主传感器601与主ADS 604通信并且专用于主ADS 604。ADV冗余传感器603与次ADS605通信并且专用于次ADS 605。主ADS 604和次ADS 605***二者均共享传感器602通信并且共享共享传感器602。主ADS 604和次ADS 605***通过内部通信链路606与ADS 602通信。
在一个实施例中,主ADS 604和次ADS 605***通过车辆运动致动器命令608和车辆运动致动器后备命令609与车辆运动致动***607通信。
图7是示出根据一个实施例的自主驾驶车辆的传感器布局的示例的示意图。参考图7,传感器布局700的示例用于说明如何初始确定***的标称能力边界和相关风险。根据ADV中的传感器***规格和传感器布局700,可以为安全冗余自主驾驶***确定具有冗余和多样化的标称传感器覆盖范围。此外,可以从统计数据估计传感器覆盖范围内的相关风险,统计数据包括每个传感器的平均故障间隔时间(MTBF)和传感器布局中的相应位置。在一个实施例中,MTBF表示每个传感器多久指示一次假阳性或假阴性的发生。
在一个实施例中,传感器包括向主ADS提供传感器数据的一组主传感器、向备用ADS提供传感器数据的一组冗余传感器以及由主ADS和备用ADS共享的一组共享传感器。在一个实施例中,传感器包括相机、LIDAR设备或雷达设备中的一个或多个。在图7所示的示例中,一组主传感器包括前视向相机、侧视向相机、后视向鱼眼相机和360度LIDAR。次传感器包括前视向激光雷达。一组共享传感器包括侧倾斜激光雷达、侧后视向雷达、后视向相机和前视向雷达。注意,传感器的类型可能会影响相应区域或整个车辆的总体故障风险。
图8A是示出根据一个实施例的具有图7所示的自主驾驶***的传感器布局的标称风险分布800的传感器覆盖范围的示例的示意图。参照图8A,冗余和多样化的传感器,例如雷达、LIDAR和相机,被绘制在预定区域中以定义传感器***覆盖范围。在一个实施例中,基于传感器的传感器布局来定义预定区域,如图7所示。基于与安装在ADV传感器上的每个传感器相关联的传感器故障风险评分,为每个预定区域计算区域故障风险评分。在一个实施例中,基于ODD相关的传感器性能指标MTBF来得出区域故障风险。
在一个实施例中,可以基于以下公式来确定与传感器性能极限相关联的风险Y(事故/小时):
其中X是传感器的MTBF。较高的MTBF导致较低的传感器性能极限引起的风险。例如,相机的MTBF由10C(小时)给出,而相机的相关风险由10-C(1/小时)给出。类似地,LiDAR的MTBF由10L(小时)给出,而相机的相关风险由10-L(1/小时)给出。雷达的MTBF由10R(小时)给出,而相机的相关风险由10-R(1/小时)给出。
在一个实施例中,可以实时地调整MTBF的动态部分。因此,基于传感器的性能或操作状态,定义的传感器覆盖范围和风险分布可用于描绘感知边界。传感器可能无法正常操作,或者无法检测或识别障碍物,进而影响一个或多个区域的相应传感器覆盖范围。定义的传感器***能力的重要性在于降低传感器***因假阳性和假阴性而导致的风险。
参照图8A,可接受的风险可以被定义为传感器覆盖范围内小于或等于10-(C+L)(1/小时)的任何值,其中C和L分别代表相机和LiDAR性能指标。
图8B示出根据实施例的ADV周围的传感器能力覆盖范围的示例。参照图8B,由围绕ADV 812的A、B、C…X和Y定义的参数810定义了风险传感器能力覆盖范围。基于与每个区域关联的区域故障风险评分,确定ADV的传感器能力覆盖范围。基于与安装在ADV上的每个传感器相关联的传感器故障风险评分,计算每个预定区域的区域故障风险评分。基于传感器的传感器布局定义预定区域。因此,可以获取障碍物检测并使用定义的风险传感器覆盖范围边界来确定安全的可驾驶区域。
再次参考图8A,在一个实施例中,基于与安装在ADV上的前视侧相机相关联的传感器故障风险评分的预定区域的区域故障风险评分802由标称风险10-(C+L)(1/小时)表示。
图8C示出根据一个实施例的具有图7所示的自主驾驶车辆的自主驾驶的传感器布局的调整后的风险分布的传感器覆盖范围的示例。参照图8C,安装在ADV上的前视侧相机801中的一个在ADV操作期间受到性能极限,因此,减小了相关的传感器能力覆盖范围803。注意,传感器能力覆盖范围按照指示被调整,即E→E’和F→F’。然后,根据与ADV的当前位置相关联的地图数据,基于传感器能力覆盖范围来确定ADV的可驾驶区域。此后,基于可驾驶区域规划轨迹以自主驾驶ADV导航通过ADV周围的驾驶环境。
图9是示出根据一个实施例的传感器***监控功能的示例的框图。参照图9,传感器数据与传感器算法一起使用,以确定每个传感器的MTBF。传感器数据包括雷达数据901、LIDAR数据902和相机数据903。例如,雷达数据901与雷达算法904一起使用以确定雷达MTBF907。类似地,LIDAR数据902与LIDAR算法905一起使用以确定LIDAR MTBF 908。相机数据903与相机算法906一起使用以确定相机MTBF 909。MTBF是相应传感器/算法性能的统计值。在一个实施例中,可以通过具有特定传感器布局的车辆仿真来确定MTBF,例如,测试传感器报告对象检测的假阳性或假阴性的频率。每个传感器的MTBF与传感器910的传感器规格和传感器布局一起使用。在一个实施例中,传感器910的传感器规格和传感器布局可以用于确定传感器区域。传感器910的传感器规格和传感器布局可用于基于与安装在ADV上的每个传感器相关联的传感器故障风险评分来为每个预定传感器区域计算区域故障风险评分。在一个实施例中,传感器910的传感器规格和传感器布局用于基于与每个确定的传感器区域相关联的区域故障风险评分来确定ADV的传感器能力覆盖范围。块910的输出提供传感器***覆盖范围和风险分布。
仍然参考图9,在一个实施例中,例如,雷达MTBF 907、LIDAR MTBF 908和相机MTBF909与传感器融合911一起使用以检测障碍物。可以使用传感器融合模块提供的融合算法和目标跟踪来检测障碍物。传感器融合911提供静态对象的位置。在另一个实施例中,传感器融合911提供动态对象的位置、速度和前进方向。在一个实施例中,传感器融合911可以被集成为感知模块302的一部分或通信耦接到感知模块302。如上所述,感知模块302可以基于从传感器获得的传感器数据来检测和识别障碍物。基于从传感器获得的相应传感器数据,可以将传感器检测为无法正常操作。例如,在特定位置处存在已知的静态障碍物(例如,地面实况),并且传感器无法对其进行检测或识别。感知模块302可以确定特定传感器无法操作。结果,可以从如图7所示的传感器布局中移除传感器,并且例如可以动态地影响如图8C所示的风险分布。
在一个实施例中,传感器***监控器模块912基于障碍物的预测运动轨迹来优化ADV的可驾驶区域。检测到障碍物位于可驾驶区域内。此后,预测障碍物的运动轨迹。在一个实施例中,传感器能力覆盖范围内的检测到的障碍物可以包括低风险区域中的障碍物和高风险区域中的障碍物。在另一个实施例中,检测到的障碍物可以在传感器能力覆盖范围之外。
图10是示出根据本发明的一个实施例的操作自主驾驶车辆的过程的流程图。可以通过处理逻辑来执行过程1000,处理逻辑可以包括软件、硬件或其组合。例如,过程1000可以由图3A和4的安全冗余监控模块308执行。
参照图10,在操作1001中,处理逻辑基于与安装在ADV上的每个传感器相关联的传感器故障风险评分,为每个预定区域计算区域故障风险评分。基于传感器的传感器布局定义预定区域。在操作1002中,处理逻辑然后基于与每个预定区域相关联的区域故障风险评分来确定ADV的传感器能力覆盖范围。在操作1003中,处理逻辑根据与ADV的当前位置相关联的地图数据,基于传感器能力覆盖范围来确定ADV的可驾驶区域。此后,在操作1004中,处理逻辑基于可驾驶区域来规划轨迹以自主驾驶ADV导航通过ADV周围的驾驶环境。
图11是根据本发明的一个实施例的实时监控在其定义的风险可容忍边界内操作的安全冗余自主驾驶***(ADS)的流程图。可以通过处理逻辑来执行过程1100,处理逻辑可以包括软件、硬件或其组合。例如,过程1100可以由图3A和4的安全冗余模块308执行。
参照图11,在操作1101中,处理逻辑加载ADS传感器配置文件和预定风险阈值。ADS传感器配置文件基于传感器布局和传感器规格。在一个实施例中,风险阈值是固定值,并且可以基于人类驾驶经验的统计数据来获得。确定预定区域中的第一区域的第一区域故障风险评分超过第一预定风险阈值。响应于确定第一区域故障风险评分超过第一预定风险阈值来修改ADV的传感器能力覆盖范围。
在操作1102中,处理逻辑加载与安装在ADV上的每个传感器关联的MTBF。在操作1103中,处理逻辑将与每个传感器相关联的MTBF与相应区域相关联。在操作1104中,基于与对应区域相关联的每个传感器的MTBF来计算每个预定区域的区域故障风险评分。现在参考图8A,示出具有自主驾驶车辆的自主驾驶的传感器布局的标称风险分布800的传感器覆盖范围。冗余和多样化传感器(例如雷达、LIDAR和相机)被绘制在传感器***覆盖范围内的预定区域中。在一个实施例中,基于传感器的传感器布局来定义预定区域,如图7所示。基于与在ADV上安装的每个传感器相关联的传感器故障风险评分来为每个预定区域计算区域故障风险评分。
在操作1105中,处理逻辑从底盘***和感知输出读取车辆的减速能力。如果确定MTBF被更新,则在操作1106中,处理逻辑更新每个预定区域的区域故障风险评分。图8C示出根据一个实施例的具有更新的区域故障风险评分的传感器能力覆盖范围的示例。参照图8C,安装在ADV上的前视侧相机801中的一个在ADV操作期间受到性能极限,因此,减小了相关的传感器能力覆盖范围803。注意,传感器能力覆盖范围已按照指示进行调整,即E→E’和F→F’。
在操作1107中,处理逻辑基于预定风险阈值确定ADV的传感器能力范围。在一个实施例中,处理逻辑可以确定预定区域中的第一区域的第一区域故障风险评分超过第一预定风险阈值。然后,处理逻辑响应于确定第一区域故障风险评分超过第一预定风险阈值来修改ADV的传感器能力覆盖范围。
在操作1108中,处理逻辑基于诸如高清地图的地图数据、能力边界和车辆减速能力确定初始车辆运动边界。因此,根据与ADV的当前位置相关联的地图数据,基于传感器能力覆盖范围来确定ADV的初始车辆运动边界。在一个实施例中,初始车辆运动边界定义ADV的可驾驶区域。
处理逻辑确定基于感知模块输出检测到的障碍物是否在初始车辆运动边界内。如果确定检测到的障碍物在初始车辆运动边界内,则处理逻辑在操作1109中根据感知模块检测到的障碍物优化车辆运动边界。然后,在操作1110中,处理逻辑将优化的车辆运动边界用于监控。在一个实施例中,处理逻辑基于可驾驶区域来规划轨迹以自主地驾驶ADV导航通过ADV周围的驾驶环境。然后确定ADV的路线是否完成。如果ADV行进的路线完成,则过程1100结束。如果路线未完成,则过程1100继续到操作1105。
在一个实施例中,处理逻辑确定检测到的障碍物是否位于可驾驶区域内。如果确定检测到的障碍物在初始车辆运动边界之外,则处理逻辑确定障碍物是否潜在地拦截运动边界。在一个实施例中,处理逻辑预测障碍物的运动轨迹。如果确定障碍物潜在地拦截运动边界,则处理逻辑在操作1111中基于障碍物的预测运动轨迹来优化车辆运动边界或ADV的可驾驶区域。如果确定障碍物没有潜在地拦截运动边界,则处理逻辑进行到操作1110,在操作1110中,处理逻辑将优化的车辆运动边界用于监控。在一个实施例中,响应于检测到障碍物位于可驾驶区域之外来预测障碍物的运动轨迹。在一个实施例中,障碍物的一部分位于可驾驶区域内。
如果确定障碍物没有潜在地拦截运动边界,则处理逻辑执行操作1110以将车辆运动边界用于监控。
注意,如上所示和所述的一些或所有组件可以用软件、硬件或其组合实现。例如,这些组件可以被实现为安装并存储在永久存储设备中的软件,软件可以由处理器(未示出)加载并执行在存储器中以执行贯穿本申请所述的过程或操作。可替换地,这些组件可被实现为被编程或嵌入到专用硬件中的可执行代码,专用硬件诸如集成电路(例如,专用IC或ASIC)、数字信号处理器(DSP)或现场可编程门阵列(FPGA),可执行代码可经由来自应用的对应驱动器和/或操作***访问。此外,这些组件可以被实现为处理器或处理器内核中的特定硬件逻辑,作为经由一个或多个特定指令软件组件可访问的指令集的一部分。
已经关于对计算机存储器内的数据位的操作的算法和符号表示呈现了前述详细描述的一些部分。这些算法描述和表示是数据处理领域的技术人员用来最有效地将他们的工作实质传达给本领域的其他技术人员的方式。算法在这里并且通常被认为是导致期望结果的自洽操作序列。这些操作是需要对物理量进行物理操纵的那些操作。
然而,应当记住的是,所有这些和类似的术语都与适当的物理量相关联,并且仅仅是应用于这些量的方便的标记。除非特别声明,否则从以上讨论中显而易见的是,应当理解的是,在整个说明书中,使用诸如所附权利要求书中所阐述的术语的讨论指的是计算机***或类似电子计算设备的动作和过程,所述计算机***或类似电子计算设备将计算机***的寄存器和存储器内的表示为物理(电子)量的数据操纵和变换成计算机***存储器或寄存器或其它这样的信息存储、传输或显示设备内的类似地表示为物理量的其它数据。
本公开的实施例还涉及用于执行本文的操作的装置。这种计算机程序存储在非瞬态计算机可读介质中。机器可读介质包括用于以机器(例如,计算机)可读的形式存储信息的任何机制。例如,机器可读(例如,计算机可读)介质包括机器(例如,计算机)可读存储介质(例如,只读存储器(“ROM”)、随机存取存储器(“RAM”)、磁盘存储介质、光存储介质、闪存设备)。
在前述附图中描述的过程或方法可以由包括硬件(例如,电路、专用逻辑等)、软件(例如,体现在非暂时性计算机可读介质上)或两者的组合的处理逻辑来执行。尽管以上根据一些顺序操作描述了过程或方法,但是应当理解的是,可以以不同的顺序执行所述的一些操作。此外,一些操作可以并行地而不是顺序地执行。
本公开的实施例不是参考任何特别编程语言描述的。将了解,可使用各种编程语言实施如本文所述的本公开的实施例的教示。
在前述说明书中,已经参考本公开的具体示例性实施例描述了本公开的实施例。显然,在不背离如所附权利要求书中所阐述的本公开的更宽的精神和范围的情况下,可以对其进行各种修改。因此,说明书和附图应被认为是说明性的而不是限制性的。
Claims (12)
1.一种用于操作自主驾驶车辆ADV的方法,所述方法包括:
基于与安装在ADV上的多个传感器中的每个传感器相关联的传感器故障风险评分,为多个预定区域中的每个计算区域故障风险评分,所述多个预定区域是基于传感器的传感器布局定义的;
基于与多个预定区域中的每个相关联的区域故障风险评分,确定ADV的传感器能力覆盖范围;
根据与所述ADV的当前位置相关联的地图数据,基于所述传感器能力覆盖范围确定所述ADV的可驾驶区域;以及
根据可驾驶区域规划轨迹,以自主驾驶ADV导航通过ADV周围的驾驶环境。
2.根据权利要求1所述的方法,还包括:
基于从传感器的至少一部分获得的传感器数据来检测障碍物;以及
根据障碍物相对于ADV的当前位置的位置调整可驾驶区域。
3.根据权利要求2所述的方法,其中,基于所述障碍物的位置调整所述可驾驶区域包括:
检测到障碍物位于可驾驶区域内;
确定ADV的最大减速度;以及
根据在可驾驶区域内检测到的障碍物,基于最大减速度来对可驾驶区域进行优化以避免与障碍物碰撞。
4.根据权利要求2所述的方法,还包括:
检测到障碍物位于可驾驶区域内;
预测障碍物的运动轨迹;以及
根据障碍物的预测运动轨迹来优化ADV的可驾驶区域。
5.根据权利要求4所述的方法,其中,响应于检测到所述障碍物位于所述可驾驶区域以外,预测所述障碍物的运动轨迹。
6.根据权利要求4所述的方法,其中,所述障碍物的一部分位于所述可驾驶区域内。
7.根据权利要求1所述的方法,其中,对于所述多个预定区域中的每个区域,基于与对应区域相关联的所述多个传感器中的每个传感器的平均故障间隔时间(MTBF),计算区域故障风险评分。
8.根据权利要求1所述的方法,还包括:
确定所述多个预定区域中的第一区域的第一区域故障风险评分超过第一预定风险阈值;以及
响应于确定第一区域故障风险评分超过第一预定风险阈值,修改ADV的传感器能力覆盖范围。
9.根据权利要求1所述的方法,还包括:
确定第一传感器不能正常工作;以及
根据故障的第一传感器的传感器覆盖范围,修改ADV的传感器能力覆盖范围。
10.一种具有存储在其中的指令的非暂时性机器可读介质,所述指令在由处理器执行时使处理器执行如权利要求1-9中任一项所述的方法。
11.一种数据处理***,包括:
处理器;以及
与处理器耦接的存储器,用于存储指令,所述指令在由处理器执行时使处理器执行如权利要求1-9中任一项所述的方法。
12.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现如权利要求1-9中任一项所述的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/844,562 | 2020-04-09 | ||
US16/844,562 US20210316755A1 (en) | 2020-04-09 | 2020-04-09 | Method for real-time monitoring of safety redundancy autonomous driving system (ads) operating within predefined risk tolerable boundary |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112783155A true CN112783155A (zh) | 2021-05-11 |
Family
ID=75752488
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011563110.0A Pending CN112783155A (zh) | 2020-04-09 | 2020-12-25 | 安全冗余自主驾驶***的实时监控方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20210316755A1 (zh) |
EP (1) | EP3882100B1 (zh) |
CN (1) | CN112783155A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115465284A (zh) * | 2022-08-12 | 2022-12-13 | 重庆长安汽车股份有限公司 | 自动驾驶控制装置、***、方法、车辆及存储介质 |
WO2023279396A1 (zh) * | 2021-07-09 | 2023-01-12 | 华为技术有限公司 | 设计运行区域的识别方法及装置 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11554783B2 (en) * | 2020-04-15 | 2023-01-17 | Baidu Usa Llc | Systems and methods to enhance early detection of performance induced risks for an autonomous driving vehicle |
US11758376B2 (en) * | 2020-04-29 | 2023-09-12 | Blackberry Limited | Method and system for addition of assurance information to V2X messaging |
US11741274B1 (en) | 2020-11-20 | 2023-08-29 | Zoox, Inc. | Perception error model for fast simulation and estimation of perception system reliability and/or for control system tuning |
US20220185325A1 (en) * | 2020-12-13 | 2022-06-16 | Pony Ai Inc. | Vehicle safety response control hierarchies and corresponding methods of automated vehicle safety control |
EP4230494A1 (en) * | 2022-02-18 | 2023-08-23 | TuSimple, Inc. | System copmprising three groups of sensors |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070198222A1 (en) * | 2006-02-23 | 2007-08-23 | Rockwell Automation Technologies, Inc. | System and method to combine and weight multiple sensors with overlapping sensing range to create a measurement system utilized in a high integrity or safety environment |
US20150112731A1 (en) * | 2013-10-18 | 2015-04-23 | State Farm Mutual Automobile Insurance Company | Risk assessment for an automated vehicle |
US20190049958A1 (en) * | 2017-08-08 | 2019-02-14 | Nio Usa, Inc. | Method and system for multiple sensor correlation diagnostic and sensor fusion/dnn monitor for autonomous driving application |
US20190050692A1 (en) * | 2017-12-27 | 2019-02-14 | Vinod Sharma | Context-based digital signal processing |
US20190369616A1 (en) * | 2018-05-31 | 2019-12-05 | Nissan North America, Inc. | Trajectory Planning |
CN110667591A (zh) * | 2018-07-02 | 2020-01-10 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的规划驾驶感知*** |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8364366B2 (en) * | 2005-06-24 | 2013-01-29 | Deere & Company | System and method for providing a safety zone associated with a vehicle |
US8271961B1 (en) * | 2008-08-13 | 2012-09-18 | Intuit Inc. | Method and system for predictive software system quality measurement |
JP6690952B2 (ja) * | 2016-01-25 | 2020-04-28 | 日立オートモティブシステムズ株式会社 | 車両走行制御システム、及び車両走行制御方法 |
US10627812B2 (en) * | 2017-02-14 | 2020-04-21 | Honda Research Institute Europe Gmbh | Risk based driver assistance for approaching intersections of limited visibility |
JP6793883B2 (ja) * | 2018-06-11 | 2020-12-02 | 三菱電機株式会社 | 車両走行制御装置、車両走行制御方法、制御回路および記憶媒体 |
DE102018212286A1 (de) * | 2018-07-24 | 2020-01-30 | Robert Bosch Gmbh | Verfahren und Vorrichtung zur Unterstützung einer Aufmerksamkeit und/oder Fahrbereitschaft eines Fahrers bei einem automatisierten Fahrvorgang eines Fahrzeugs |
US10928819B2 (en) * | 2018-10-29 | 2021-02-23 | Here Global B.V. | Method and apparatus for comparing relevant information between sensor measurements |
US11548526B2 (en) * | 2019-04-29 | 2023-01-10 | Motional Ad Llc | Systems and methods for implementing an autonomous vehicle response to sensor failure |
-
2020
- 2020-04-09 US US16/844,562 patent/US20210316755A1/en not_active Abandoned
- 2020-12-25 CN CN202011563110.0A patent/CN112783155A/zh active Pending
-
2021
- 2021-03-25 EP EP21164871.2A patent/EP3882100B1/en active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070198222A1 (en) * | 2006-02-23 | 2007-08-23 | Rockwell Automation Technologies, Inc. | System and method to combine and weight multiple sensors with overlapping sensing range to create a measurement system utilized in a high integrity or safety environment |
US20150112731A1 (en) * | 2013-10-18 | 2015-04-23 | State Farm Mutual Automobile Insurance Company | Risk assessment for an automated vehicle |
US20190049958A1 (en) * | 2017-08-08 | 2019-02-14 | Nio Usa, Inc. | Method and system for multiple sensor correlation diagnostic and sensor fusion/dnn monitor for autonomous driving application |
US20190050692A1 (en) * | 2017-12-27 | 2019-02-14 | Vinod Sharma | Context-based digital signal processing |
US20190369616A1 (en) * | 2018-05-31 | 2019-12-05 | Nissan North America, Inc. | Trajectory Planning |
CN110667591A (zh) * | 2018-07-02 | 2020-01-10 | 百度(美国)有限责任公司 | 用于自动驾驶车辆的规划驾驶感知*** |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023279396A1 (zh) * | 2021-07-09 | 2023-01-12 | 华为技术有限公司 | 设计运行区域的识别方法及装置 |
CN115465284A (zh) * | 2022-08-12 | 2022-12-13 | 重庆长安汽车股份有限公司 | 自动驾驶控制装置、***、方法、车辆及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
EP3882100A1 (en) | 2021-09-22 |
US20210316755A1 (en) | 2021-10-14 |
EP3882100B1 (en) | 2023-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11724708B2 (en) | Fail-safe handling system for autonomous driving vehicle | |
CN112540592B (zh) | 用于确保安全的具有双自主驾驶***的自主驾驶车辆 | |
EP3882100B1 (en) | Method for operating an autonomous driving vehicle | |
CN113448329B (zh) | 减少用于规划自主驾驶车辆的路径的障碍物的方法及*** | |
US11613254B2 (en) | Method to monitor control system of autonomous driving vehicle with multiple levels of warning and fail operations | |
US11225228B2 (en) | Method for enhancing in-path obstacle detection with safety redundancy autonomous system | |
US11662730B2 (en) | Hierarchical path decision system for planning a path for an autonomous driving vehicle | |
CN112829769A (zh) | 自动驾驶车辆的混合规划*** | |
EP3838696A1 (en) | A post collision, damage reduction brake system | |
CN113391614B (zh) | 用于实时确定安全冗余自动驾驶***的能力边界和关联风险的方法 | |
EP4026747A1 (en) | Sound source detection and localization for autonomous driving vehicle | |
CN113492848B (zh) | 用于自主驾驶车辆安全操作员的前方碰撞告警警报*** | |
CN113548033B (zh) | 基于***负载的安全操作员告警方法及*** | |
US11656262B2 (en) | Software simulation system for indoor EMC test | |
US20230406362A1 (en) | Planning-impacted prediction evaluation | |
US11577644B2 (en) | L3-level auto-emergency light system for ego vehicle harsh brake | |
US20240101079A1 (en) | Activation of primary and secondary brake systems for autonomous vehicles | |
CN112180911B (zh) | 用于监控自动驾驶车辆的控制***的方法 | |
WO2024036618A1 (en) | Dynamic signal transfer configuration for driverless vehicle remote monitoring | |
US20240005066A1 (en) | Decoupled prediction evaluation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |